基于M―Copula上证与深证地产指数尾部相关性研究.docVIP

基于M―Copula上证与深证地产指数尾部相关性研究 　　摘要：金融市场之间的相关性分析一直是金融领域的热点问题，Copula函数作为一种有效的工具被广泛应用。以往的相关性研究已经证明上证与深证指数存在紧密的协同运动，文章运用M-Copula函数重点研究上证与深证地产指数之间的尾部相关模式。通过实证分析发现，上证与深证地产指数之间存在很强的上尾相关性，这种相关模式是非对称的。同时，M-Copula函数对于刻画金融市场之间的尾部相关性要优于单个的阿基米德族Copula函数。 　　关键词：M-Copula；尾部相关模式；实证研究 　　近年来，随着经济全球化的更加深入，各个金融市场之间相互关联程度不断加深，联动趋势比以往更加显著。协同运动、波动溢出等的金融市场相关性研究一直是金融研究的重点问题之一，在资产定价、投资组合管理及风险控制等方面具有重要的应用。Copula函数可以将随机变量的边缘分布函数与联合分布函数连接起来，充分刻画随机变量之间的相关性，从而将问题简化。当前，中国股市处于不断发展和成熟阶段，出现过比较大的波动，现有的研究已经证明沪深股市指数存在很强的相关性，文章将重点研究上证与深证房地产板块之间的尾部相模式。 　　一、国内外研究概述 　　国内外已经有比较多的基于Copula函数分析股票相关性的文章。李悦、程希骏（2006）运用Copula函数研究了上证指数与香港恒生指数之间的相关性，分析发现阿基米德族中的Gumbel Copula函数对于数据的拟合是最优的，由此得出上证与恒生指数的上尾相关性较强，下尾相关性较弱。任仙玲、张世英（2008）运用基于秩的极大似然估计法估计Copula函数的参数，结合BBx-Copula函数对民生银行和浦发银行两只股票的相关性进行实证分析，结果显示两只股票市场熊市的尾部相关性高于牛市，即下尾相关性更强。王晓芳等（2009）发现时变的SJC Copula函数较静态Copula函数的拟合效果好，上证综指和新加坡海峡时报指数股指收益序列的尾部相关关系不对称，存在显著的下尾相关，而上尾相关不明显，而且上证综指和海峡时报指数收益序列的下尾相关系数是不断变化的并呈现出日益上升的趋势。闫海梅等（2011）研究发现Clayton Copula对于刻画上证A股、深证A股和沪深300指数之间的尾部相关模式是最优的，且沪深300指数对组合的尾部风险影响较大。 　　二、模型提出 　　在Copula函数的参数和结构是时不变的前提假设下，由于阿基米德族的Copula函数，具有结构简单、计算方便、具有多种分布特征，且具有很好的统计性质，可以充分刻画金融数据尖峰、厚尾的特点，故文章选用阿基米德族Copula函数构建模型。Genest和Mackay给出了阿基米德Copula函数的定义，函数的具体表达式为 　　C（u，v）=φ-1（φ（u）+φ（v）），u，v∈（0，1） 　　其中函数φ（.）称为阿基米德Copula函数的生成元，它满足以下条件：φ（u）+φ（v）≤φ（0），对任意0≤t≤1，φ（t）是一个凸的减函数。由此可见，阿基米德Copula函数由它们的生成函数φ（.）唯一确定。常用的阿基米德族Copula函数主要有三种：Gumbel Copula函数、Clayton Copula函数与Frank Copula函数。它们各自具有不同的分布特征，用于刻画金融时间序列之间不同的相关模式。 　　（一）Gumbel Copula函数 　　生成元函数φ（t）=（-lnt）α时，所得的Copula函数定义为Gumbel Copula函数，形式为 　　CG（u，v；α）=exp（-（（-lnu）α+（-lnv）α）1/α ），α∈[1，∞）， 　　其中α为Gumbel Copula中的相关系数。当α=1时，随机变量u，v独立，当α→∞时，随机变量u，v完全相关，Gumbel函数对上尾相关敏感。 　　（二）Clayton Copula函数 　　生成元函数φ（t）=t-α-1时，所得到的Copula函数定义为Clayton Copula函数，形式为 　　Cc（u，v；α）=（u-α+v-α-1），α∈（0，∞） 　　其中α为相关参数。当α→0，表示随机变量u，v趋向独立；当α→∞时，随机变量u，v趋于完全相关，Clayton函数对下尾相关敏感。 　　（三）Frank Copula函数 　　生成元函数φ（t）=-ln（（eαt-1） /（eα-1））时，所得的Copula函数定义为Frank Copula函数，其形式为 　　CF（u，v；α）=-ln（1+），α∈（-∞，0）∪（0，∞） 　　其中α为Frank Copula中的相关参数。当α0，表示随机变量u，v正相关；当α→0，表示随机变量u，v